DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
页面导航
页面导航
大模型列表Llama 4 Scout Instruct
LL

Llama 4 Scout Instruct

多模态大模型

Llama-4-Scout-17B-16E-Instruct

发布时间: 2025-04-05更新于: 2025-04-15 16:27:06820
在线体验GitHubHugging FaceCompare
模型参数
1090亿
上下文长度
1000K
中文支持
支持
推理能力

Llama-4-Scout-17B-16E-Instruct 是由 Facebook AI研究实验室 发布的 AI 模型,发布时间为 2025-04-05,定位为 多模态大模型,参数规模约为 1090.0B,上下文长度为 1000K,模型文件大小约 218GB,采用 Llama4 License 许可。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

Llama 4 Scout Instruct

模型基本信息

推理过程
不支持
思考模式
不支持思考模式
上下文长度
1000K tokens
最大输出长度
4096 tokens
模型类型
多模态大模型
发布时间
2025-04-05
模型文件大小
218GB
MoE架构
否
总参数 / 激活参数
1090 亿 / 不涉及
知识截止
暂无数据
Llama 4 Scout Instruct

开源和体验地址

代码开源状态
Llama4 License
预训练权重开源
Llama4 License- 免费商用授权
GitHub 源码
https://github.com/meta-llama/llama-models/tree/main/models/llama4
Hugging Face
https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct
在线体验
暂无在线体验地址
Llama 4 Scout Instruct

官方介绍与博客

官方论文
The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
DataLearnerAI博客
暂无介绍博客
Llama 4 Scout Instruct

API接口信息

接口速度
4/5
暂无公开的 API 定价信息。
Llama 4 Scout Instruct

评测结果

Llama 4 Scout Instruct 当前已收录的代表性评测结果包括 MMLU Pro(80 / 124,得分 74.30)、GPQA Diamond(142 / 175,得分 57.20)、LiveCodeBench(109 / 118,得分 32.80)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。

思考模式

综合评估

共 2 项评测
评测名称 / 模式
得分
排名/总数
MMLU Pro
常规模式
74.30
80 / 124
GPQA Diamond
常规模式
57.20
142 / 175

编程与软件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
常规模式
32.80
109 / 118
查看评测深度分析与其他模型对比
Llama 4 Scout Instruct

发布机构

Facebook AI研究实验室
Facebook AI研究实验室
查看发布机构详情
Llama-4-Scout-17B-16E-Instruct

模型解读

Llama 4 Scout是MetaAI开源的一个MoE架构的大模型。根据MetaAI发布的介绍,该模型具有17亿活跃参数和16个专家单元,总参数量达到1090亿。作为一款专注于多模态任务的模型,Llama 4 Scout在文本和视觉信息的融合方面进行了专门设计,通过早期融合技术,将文本和图像的输入整合到统一的模型骨干中,从而支持联合预训练,并提升多模态处理的能力。


该模型是MoE架构,包含16个专家,Llama 4 Scout Instruct是其指令微调版本。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码

和其他模型对比

暂时没有为该模型整理的相关对比页面。

想自定义其他组合?打开对比工具